拍一张叶片
10 秒知道什么病、该怎么做
手机拍照即可诊断，覆盖 14 种作物 39 个识别类别，并给出可执行的处理顺序。
📌 项目介绍
多作物叶片病害智能诊断系统 · 识别 — 科普 — 教育 — 监测 四位一体
🧭 怎么开始用（3 步）
📊 系统数据
统计数据暂时不可用（后端未响应），刷新页面可重试。
⚠️ 当前含演示数据：真实诊断 {{ stats.real_total_diagnoses ?? '—' }} 条 + 演示 {{ stats.demo_record_count ?? 0 }} 条（切到「看板」可切「仅真实数据」）。
数据来自本平台真实诊断记录
🧠 模型与数据（可验证）
🧩 交互式混淆矩阵（逐类可查、可复算）已移到「田间实测」页 → 去看混淆矩阵
怎么读这些数字：76.5% 是 PlantDoc 真实田间照片（451 张，含背景、光照、遮挡、设备差异）的 Top-1 成绩；
田间实拍（复杂背景、逆光、遮挡）准确率会低于此值——所以我们同时给出 Top-3 候选、
热力图 与 严重度，让人来做最后判断，而不是只给一个「是/否」。
数据来源：训练用 PlantVillage，评测用 PlantDoc。39 个识别类别 = 26 种病害 + 12 种作物健康 + 1 种无叶片背景，覆盖 14 种作物。推理链路：ONNX Runtime → 服务端 API → 前端展示。
实测性能：识别端到端 0.35 秒（含上传 / 预处理 / 推理 / 知识库方案）；关键区域热力图按需生成，首次约 3.5 秒、同图缓存后 0.34 秒。
田间 Top-1 76.5%，意味着大约每 4 张就有 1 张判错——这是真实水平，我们不粉饰。错误主要集中于：病斑早期不典型、症状高度相似的病种相互混淆、非目标作物。
仅覆盖 14 种作物；水稻、小麦、棉花、辣椒等主粮主菜在库外，识别到这些会给低置信度提示并建议咨询农技站。防治建议来自静态知识库 + 大模型约束，不提供具体农药剂量，实际用药须遵循当地植保部门指导。
我们更看重另一组数字：模型给出 ≥80% 置信度时准确率达 90.1%（223 条样本）——它大体知道什么时候不该硬答。配合「低置信度建议复拍」的引导，这对农户比一个虚高的总体准确率更有用。
🧭 功能入口
识别结果由 AI 模型给出，仅供参考；用药请以当地植保部门指导为准。
图片来自公开数据集 PlantVillage，仅用于科普教学